[发明专利]异常业务检测方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术，揭露了一种异常业务检测方法，包括：根据历史业务交互数据的数据特征构建预警规则组，并进行分箱处理，得到分箱规则集；计算所述分箱规则集的基尼系数，生成子规则决策树；根据所述子规则决策树生成集成规则决策树，并根据集成规则决策树与子规则决策树得到规则引擎；利用所述规则引擎对待检测业务交互数据进行分类，并标识数据特征标签；对标识为普通样本标签的数据进行检测，得到异常业务交互数据；根据所述异常样本标签和所述异常业务交互数据，对用户发送预警消息。本发明还涉及区块链技术，所述历史业务交互数据可存储于区块链中。本发明可以实现涵盖多种业务数据、提高准确率和更加稳定的异常业务检测功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种异常业务检测方法、装置、电子设备及计算机可读存储介质。

背景技术

业务场景纷繁复杂，往往涉及多种条件和数据，因此，会出现一些异常业务，如外汇业务中会出现可疑交易行为，可能导致该交易无效，需要撤回等。

目前对异常业务进行检测的智能化预警系统仍然包含一些缺陷，如简单基于决策树算法原理对应建立规则决策树，容易导致为了追求最优基尼系数而降低决策树规则引擎的稳定性，且所述规则引擎的灵活性较低；能够涵盖的业务数据量较小，得到的检测结果准确率较低。

发明内容

本发明提供一种异常业务检测方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种涵盖多种业务数据、提高准确率和更加稳定的异常业务检测方法。

为实现上述目的，本发明提供的一种异常业务检测方法，包括：

根据历史业务交互数据的数据特征构建预警规则组，并对所述预警规则组进行分箱处理，得到分箱规则集；

计算所述分箱规则集的基尼系数，根据所述基尼系数生成子规则决策树；

根据所述子规则决策树生成集成规则决策树，并根据所述集成规则决策树与所述子规则决策树得到规则引擎；

利用所述规则引擎对待检测业务交互数据进行分类，根据所述分类对所述待检测业务交互数据标识数据特征标签，其中，所述数据特征标签包括普通样本标签和异常样本标签；

对标识为普通样本标签的所述待检测业务交互数据进行检测，得到异常业务交互数据；

根据所述异常样本标签和所述异常业务交互数据，对用户发送预警消息。

可选地，所述根据历史业务交互数据的数据特征建立预警规则组，包括：

按照预设种类的维度对所述历史业务交互数据进行划分，并对每个维度下的历史业务交互数据进行业务逻辑分析；

根据业务逻辑分析结果提取所述历史业务交互数据中的数据特征；

根据所述数据特征构建预警规则组。

可选地，所述计算所述分箱规则集的基尼系数，根据所述基尼系数生成子规则决策树，包括：

利用预设的基尼评估算法计算所述分箱规则集中每条规则的基尼系数；

选择基尼系数值最小的规则作为所述子规则决策树的根节点；

利用所述基尼评估算法对所述分箱规则集剩余的规则计算基尼系数；

选择基尼系数值最小的规则作为所述根节点的子节点；

判断预设的停止条件是否满足，并在停止条件不满足时，利用所述基尼评估算法对所述分箱规则集剩余的规则计算基尼系数，并选择基尼系数值最小的规则作为所述子节点下的子节点；在预设的停止条件满足时，输出由所述根节点及子节点组成的子规则决策树。